[发明专利]一种基于机器学习和大数据分析的电力系统异常预测方法

说明书

本发明提出一种基于机器学习和大数据分析的电力系统异常预测方法，包括以下步骤：从数据库中采集相关电网故障的原始数据，并根据时间先后顺序对原始数据进行分段处理，得到数据序列；对数据序列进行预处理，得到对应的特征值和异常程度值，并将数据序列及其特征值、异常程度值组成样本数据；对样本数据进行再次处理、采样、转换以及特征的设计与选择，然后进行数据分类，得到样本数据对应的特征数据；构建机器学习模型，并将特征数据输入机器学习模型中进行训练，得到完成训练的机器学习模型；将完成训练的机器学习模型接入数据库线上获取实时电网检测数据，实时电网检测数据输入完成训练的机器学习模型中，输出得到电力系统异常预测结果。

技术领域

本发明涉及大数据分析技术领域，更具体地，涉及一种基于机器学习和大数据分析的电力系统异常预测方法。

背景技术

智能电网是电力工业发展的方向和趋势，随着智能电网的建设，产生了大量的量测、监测数据，而如何处理这些数据，挖掘其价值，是电力公司面临的问题。现代生活对电网的依赖性非常大，电网必须24小时不间断、高效运行，任何机械系统常见的、甚至是最普通的系统故障和缺陷都是不可容忍的。

目前，国内外大学和研究机构、IT企业、电力公司均开展了智能电网大数据研究和工程应用，如IBM和C3-Energy开发了针对智能电网的大数据分析系统，Oracle提出了智能电网大数据公共数据模型等等，显然智能电网大数据研究和应用已取得了一些成效，但研究成果仍比较粗糙，不成体系，研究和应用尚处于起步和探索阶段(张东霞,苗新,刘丽平,等.智能电网大数据技术发展研究[J].中国电机工程学报,2015(1):2-12.)。由此可见，面对电力系统内存在大量且复杂的数据，目前还没有能够有效对电力系统进行诊断、优化、预测的方法。

发明内容

本发明为克服上述现有技术所述的缺少能够有效对电力系统进行诊断、优化、预测的方法的缺陷，提供一种基于机器学习和大数据分析的电力系统异常预测方法。

为解决上述技术问题，本发明的技术方案如下：

一种基于机器学习和大数据分析的电力系统异常预测方法，包括以下步骤：

S1：从数据库中采集相关电网故障的原始数据，并根据时间先后顺序对所述原始数据进行分段处理，得到数据序列；

S2：对所述数据序列进行预处理，得到对应的特征值和异常程度值，并将所述数据序列及其特征值、异常程度值组成样本数据；

S3：对所述样本数据进行再次处理、采样、转换以及特征的设计与选择，然后进行数据分类，得到所述样本数据对应的特征数据；

S4：构建机器学习模型，并将所述特征数据输入所述机器学习模型中进行训练，得到完成训练的机器学习模型；

S5：将所述完成训练的机器学习模型接入数据库线上获取实时电网检测数据，所述实时电网检测数据输入所述完成训练的机器学习模型中，输出得到电力系统异常预测结果。

优选地，所述S2步骤中，对所述数据序列进行预处理的具体步骤依次包括：数据清洗、格式转化、过采样、正则化或二极化、抽样检查数据质量、填补遗漏的数据值、缩放和规范化数据。

优选地，所述S2步骤中，进行预处理所采用的的处理模块包括：preprocess模块、TF-IDF转换模块、word2vec词向量转化模块。

优选地，所述S3步骤中，进行数据分类的依据包括用户信息、故障类型、故障时间、故障地点、故障环境。

优选地，所述S4步骤中，构建机器学习模型的具体步骤包括：

S4.1：根据所述样本数据对应的特征数据，从数据库中获取初始参数、训练字段标识、训练数据表标识及其对应的训练数据表，从机器学习库中获取与用户信息对应的算法；